Qwen2-VL 7B Instruct
qwen2-vl-7b-instruct-repAlibaba Qwen2-VL 7B served on Replicate. Open-weights vision-language model that chats about images and video, with dynamic resolution and strong OCR and document QA for its size.
- Cena
- ≈ 0,0024 US$/spuštění
- Vstup → výstup
- Text + Obrázek + Video → Text
- Vývojář
- Community
- Aktualizováno
- 23. září 2026
Playground
Vyzkoušet Qwen2-VL 7B Instruct
Vstup a výstup
Tento běh
přibližně 0,0024 US$ · 0,24 credits
Na začátku se rezervuje 0,0072 US$ (0,72 credits), fakturuje se skutečný čas GPU.
Nový zde?
10 bezplatných credits (0,10 US$) při registraci přes Google
Použitelné 24 hodin po registraci, až 5 běhů za den a maximálně 2 credits za běh. Ostatní způsoby přihlášení začínají bez credits. Stačí na 13 spuštění tohoto modelu.
Examples
Prompt
Describe this video in detail.
Response
The video features a monkey riding a skateboard in a park. The monkey is wearing roller skates and is seen moving forward on the skateboard, with its arms outstretched for balance. The park is filled with people sitting on benches and walking around, enjoying the sunny day. The monkey appears to be enjoying itself, and the scene is filled with a sense of fun and playfulness. The park is surrounded by trees and greenery, creating a peaceful and relaxing atmosphere. Overall, the video captures a unique and entertaining moment of a monkey enjoying a day out in the park on roller skates.
Prompt
Describe this in detail.
Response
The image shows a half of an avocado on the left side, with a pit visible inside. On the right side, there is a stylized letter "A" in a bold, uppercase font. The avocado and the letter "A" are separated by a white arrow pointing from the avocado to the letter "A," indicating a transformation or relationship between the two. The background is a light beige color.
Prompt
Describe this in detail.
Response
The image depicts a dog, specifically a Golden Retriever, enjoying a slice of watermelon. The dog is positioned on the left side of the frame, with its head lowered towards the watermelon. The watermelon is placed on a wooden table, and the dog appears to be biting into the fruit, indicating it is eating it. The background is blurred, suggesting a natural outdoor setting with greenery. The overall scene conveys a sense of relaxation and enjoyment.
O Qwen2-VL 7B Instruct
Qwen2-VL 7B Instruct je model od Community v kategorii Multimodální. Na Railwail stojí Qwen2-VL 7B Instruct ≈ 0,0024 US$ za spuštění.
Ceny
| Typické spuštění (≈ 2 s na L40S) | 0,0024 US$ za spuštění |
|---|---|
| GPU čas (L40S) | 0,00117 US$ za GPU sekundu |
- Účtuje se GPU čas, který spuštění skutečně trvá. Při spuštění je z vašeho zůstatku rezervováno 3× typická cena a později se vypořádá.
- 1 kredit = 0,01 US$
Kalkulátor nákladů
Kalkulátor cen
Typicky podle poskytovatele: přibližně 2,1 s
Celkem
0,24 US$
24 kreditů
Na spuštění
0,0024 US$ · 0,24 kreditů
Účtuje se skutečný čas GPU; jedná se o odhad.
API
Žádný ověřený příklad API
Veřejné API předává jiný formát vstupu, než tento model potřebuje. Použijte playground výše.
Specifikace
- ID modelu
qwen2-vl-7b-instruct-rep- Vývojář
- Community
- Kategorie
- Multimodální
- Vstup
- Text, Obrázek, Video
- Výstup
- Text
- Fakturace
- Podle použití (tokeny nebo GPU čas)
- Záznam v katalogu aktualizován
- 23. září 2026
Vstupní parametry
Vstupy a nastavení ze vstupního schématu modelu. Příklad v sekci API ukazuje, které z nich API přijímá.
promptpovinnéQuestion about the image or video
Typ: TextVýchozí: –Povolené hodnoty: až 16 000 znakůimage_urlImage or video URL to analyze
Typ: TextVýchozí: –Povolené hodnoty: –max_tokensTyp: Celé čísloVýchozí:1024Povolené hodnoty: 1 až 4 096temperatureTyp: ČísloVýchozí:0.7Povolené hodnoty: 0 až 2
Štítky
- replicate
- qwen
- alibaba
- vision-understanding
- open-weights
- ocr
Často kladené otázky
Co je Qwen2-VL 7B Instruct?
Qwen2-VL 7B Instruct je model od Community v kategorii Multimodální.
Kolik stojí Qwen2-VL 7B Instruct na Railwail?
Na Railwail stojí Qwen2-VL 7B Instruct ≈ 0,0024 US$ za spuštění. Platíte za to, co každý požadavek skutečně spotřebuje. Použití se platí z předplacených kreditů; 1 kredit se rovná 0,01 US$.
Jaká nastavení Qwen2-VL 7B Instruct podporuje?
Podle schématu vstupu Qwen2-VL 7B Instruct zná tyto parametry: prompt (až 16 000 znaků), image_url, max_tokens (1 až 4 096) a temperature (0 až 2).
Jak rychlý je Qwen2-VL 7B Instruct?
Pro Qwen2-VL 7B Instruct je na Railwail zatím příliš málo naměřených spuštění na uvedení doby běhu. Závisí na vstupu, nastavení a zátěži u poskytovatele.
Je Qwen2-VL 7B Instruct lepší než BLIP?
Záleží na úkolu. Qwen2-VL 7B Instruct (Community) a BLIP (Salesforce) jsou oba modely v kategorii Multimodální. Stránka porovnání zobrazuje jejich ceny a specifikace vedle sebe.
Porovnat Qwen2-VL 7B Instruct a BLIPMůže Qwen2-VL 7B Instruct zpracovávat obrázky?
Ano. Qwen2-VL 7B Instruct přijímá obrázky jako vstup kromě textu.
Srovnatelné modely
Všechny v této kategorii- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Všechny modely přes jednu API
Jeden API klíč pro všechny modely na Railwail. Použití se účtuje z předplacených kreditů, 1 kredit = 0,01 US$.